24 KiB
🌐 多語言支援
透過 GitHub Action 支援（自動化且隨時保持最新）
法文 | 西班牙文 | 德文 | 俄文 | 阿拉伯文 | 波斯文 (法爾西) | 烏爾都文 | 中文 (簡體) | 中文 (繁體，澳門) | 中文 (繁體，香港) | 中文 (繁體，台灣) | 日文 | 韓文 | 印地文 | 孟加拉文 | 馬拉地文 | 尼泊爾文 | 旁遮普文 (古木基文) | 葡萄牙文 (葡萄牙) | 葡萄牙文 (巴西) | 義大利文 | 波蘭文 | 土耳其文 | 希臘文 | 泰文 | 瑞典文 | 丹麥文 | 挪威文 | 芬蘭文 | 荷蘭文 | 希伯來文 | 越南文 | 印尼文 | 馬來文 | 他加祿文 (菲律賓) | 斯瓦希里文 | 匈牙利文 | 捷克文 | 斯洛伐克文 | 羅馬尼亞文 | 保加利亞文 | 塞爾維亞文 (西里爾文) | 克羅埃西亞文 | 斯洛維尼亞文 | 烏克蘭文 | 緬甸文 (緬甸)
加入社群
初學者的機器學習課程 - 一個完整的課程
🌍 跟隨我們的腳步，透過世界文化探索機器學習 🌍
Microsoft 的雲端倡導者很高興提供一個為期 12 週、共 26 節課的課程，專注於 機器學習。在這個課程中，您將學習有時被稱為 經典機器學習 的內容，主要使用 Scikit-learn 作為工具庫，並避免涉及深度學習（深度學習內容可參考我們的 AI for Beginners 課程）。同時，您也可以將這些課程與我們的 'Data Science for Beginners' 課程 結合學習！
跟隨我們的腳步，運用這些經典技術分析來自世界各地的數據。每節課都包含課前和課後測驗、完成課程的書面指導、解決方案、作業等。我們的專案導向教學法讓您在實作中學習，這是一種被證明能有效鞏固新技能的方法。
✍️ 衷心感謝我們的作者 Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 和 Amy Boyd
🎨 同時感謝我們的插畫家 Tomomi Imura、Dasani Madipalli 和 Jen Looper
🙏 特別感謝 🙏 我們的 Microsoft 學生大使作者、審稿人和內容貢獻者，特別是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal
🤩 額外感謝 Microsoft 學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 為我們的 R 課程做出的貢獻！
開始學習
請按照以下步驟操作：
- Fork 此儲存庫：點擊此頁面右上角的 "Fork" 按鈕。
- Clone 此儲存庫：
git clone https://github.com/microsoft/ML-For-Beginners.git
學生，要使用此課程，請將整個儲存庫 fork 到您的 GitHub 帳戶，並自行或與小組一起完成練習：
- 從課前測驗開始。
- 閱讀課程並完成活動，在每個知識檢查點停下來反思。
- 嘗試通過理解課程內容來創建專案，而不是直接運行解決方案代碼；不過，解決方案代碼可在每個專案導向課程的
/solution資料夾中找到。 - 完成課後測驗。
- 完成挑戰。
- 完成作業。
- 完成一組課程後，訪問 討論區，通過填寫適當的 PAT 評估表來 "大聲學習"。PAT 是一種進度評估工具，您可以通過填寫該工具來進一步學習。您還可以對其他人的 PAT 進行回應，讓我們一起學習。
如需進一步學習，我們建議參考這些 Microsoft Learn 模組和學習路徑。
教師們，我們已 提供一些建議 關於如何使用此課程。
視頻導覽
部分課程提供短視頻形式的教學。您可以在課程中找到這些視頻，或者點擊下方圖片訪問 Microsoft Developer YouTube 頻道上的 ML for Beginners 播放列表。
認識團隊
Gif 作者 Mohit Jaisal
🎥 點擊上方圖片觀看關於此專案及創作者的視頻！
教學法
我們在設計此課程時選擇了兩個教學原則：確保它是 專案導向 且包含 頻繁測驗。此外，此課程還有一個共同的 主題，以增強其連貫性。
通過確保內容與專案相關聯，學習過程變得更加有趣，學生對概念的記憶也會得到加強。此外，課前的低壓力測驗可以幫助學生專注於學習主題，而課後的測驗則進一步鞏固記憶。此課程設計靈活有趣，可以整體學習或部分學習。專案從簡單開始，並在 12 週的學習周期結束時逐漸變得複雜。此課程還包括關於機器學習實際應用的附錄，可作為額外學分或討論的基礎。
每節課包含
- 可選的手繪筆記
- 可選的補充視頻
- 視頻導覽（僅部分課程）
- 課前熱身測驗
- 書面課程
- 專案導向課程的逐步指導
- 知識檢查
- 挑戰
- 補充閱讀
- 作業
- 課後測驗
關於語言的說明：這些課程主要以 Python 編寫，但許多課程也提供 R 語言版本。要完成 R 課程，請前往
/solution資料夾並尋找 R 課程。它們包含.rmd擴展名，代表 R Markdown 文件，這是一種將代碼塊（R 或其他語言）和YAML 標頭（指導如何格式化輸出，如 PDF）嵌入到Markdown 文檔中的格式。這是一個出色的數據科學創作框架，因為它允許您將代碼、輸出和想法結合在一起。此外，R Markdown 文件可以渲染為 PDF、HTML 或 Word 等輸出格式。
關於測驗的說明：所有測驗都包含在 Quiz App 資料夾 中，共有 52 個測驗，每個測驗包含三個問題。它們在課程中有鏈接，但測驗應用程式可以在本地運行；請按照
quiz-app資料夾中的說明在本地運行或部署到 Azure。
| 課程編號 | 主題 | 課程分組 | 學習目標 | 相關課程 | 作者 |
|---|---|---|---|---|---|
| 01 | 機器學習簡介 | 簡介 | 學習機器學習的基本概念 | 課程 | Muhammad |
| 02 | 機器學習的歷史 | 簡介 | 學習這一領域的歷史背景 | 課程 | Jen 和 Amy |
| 03 | 公平性與機器學習 | 簡介 | 學生在構建和應用機器學習模型時應考慮哪些重要的哲學問題？ | 課程 | Tomomi |
| 04 | 機器學習的技術 | 簡介 | 機器學習研究人員使用哪些技術來構建模型？ | 課程 | Chris 和 Jen |
| 05 | 回歸分析介紹 | Regression | 使用 Python 和 Scikit-learn 開始學習回歸模型 |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- Jen 和 Dmitry
- Eric Wanjau
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- Jen
- Eric Wanjau
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- Jen 和 Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen 和 Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen 和 Cassie
- Eric Wanjau
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- Jen
- Eric Wanjau
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- Jen
- Eric Wanjau
離線訪問
您可以使用 Docsify 離線運行此文檔。Fork 此 repo，並在本地機器上安裝 Docsify，然後在此 repo 的根目錄中輸入
docsify serve。網站將在本地端口 3000 上提供服務：localhost:3000。PDFs
在此處找到帶有鏈接的課程 PDF here。
🎒 其他課程
我們的團隊還製作了其他課程！查看以下內容：
- 生成式 AI 初學者課程
- 生成式 AI 初學者課程 .NET
- 使用 JavaScript 的生成式 AI
- 使用 Java 的生成式 AI
- AI 初學者課程
- 數據科學初學者課程
- 機器學習初學者課程
- 網絡安全初學者課程
- 網頁開發初學者課程
- 物聯網初學者課程
- XR 開發初學者課程
- 掌握 GitHub Copilot 進行配對編程
- 掌握 GitHub Copilot 用於 C#/.NET 開發
- 選擇您的 Copilot 冒險
免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。